针对通信中断下由智能网联车辆(Connected and Automated Vehicles,CAV)与人工驾驶车辆(Manually Driven Vehicles,MDV)所组成的混合编队的稳定性控制问题,考虑基于前车-领航车通信拓扑(Predecessor-Leader Following topology,PLF)和...
详细信息
针对通信中断下由智能网联车辆(Connected and Automated Vehicles,CAV)与人工驾驶车辆(Manually Driven Vehicles,MDV)所组成的混合编队的稳定性控制问题,考虑基于前车-领航车通信拓扑(Predecessor-Leader Following topology,PLF)和协同自适应巡航控制(Cooperative Adaptive Cruise Control,CACC)的混合编队,构建通信正常和通信中断状态下的车辆控制器.基于Routh-Hurwitz稳定性判据和频域分析方法设计稳定条件求解算法,计算控制器和MDV跟驰模型的稳定性条件,并提出针对两种控制器的平滑切换策略.案例分析表明:车队能够稳定安全行驶,各车速度标准差变化率均低于1.8%,平均加速度变化量和其平均值均低于0.016 m/s^(2),说明所提出的稳定性控制算法具有良好的有效性,可实现车辆及编队行驶状态的时空收敛;针对加速场景和减速场景,所提出的控制器切换策略能够分别减小车辆加速度波动幅度达37.1%和59.9%,控制器切换过程中的车辆状态稳定性得到显著提升.
运营突发事件下,向城市轨道交通(城轨)乘客有针对性地发布诱导信息,是实现高效疏导、确保城轨运营安全的重要举措。本文考虑乘客异质性,开展突发事件下城轨诱导信息发布策略研究。首先,基于潜在分类模型(Latent Class Model,LCM)构建城...
详细信息
运营突发事件下,向城市轨道交通(城轨)乘客有针对性地发布诱导信息,是实现高效疏导、确保城轨运营安全的重要举措。本文考虑乘客异质性,开展突发事件下城轨诱导信息发布策略研究。首先,基于潜在分类模型(Latent Class Model,LCM)构建城轨乘客在突发事件和诱导信息双重作用下的路径选择行为模型,分析乘客对诱导信息接受程度及路径选择偏好的差异。其次,以线网乘客总出行时间和线网客流分布均衡性基尼系数为优化目标,构建基于路径选择行为分析的信息诱导优化模型,并应用非支配排序遗传算法(Non-dominated Sorting Genetic AlgorithmⅡ,NSGA-Ⅱ)求解,以获得突发事件下受影响起讫点(Origin and Destination,OD)间各有效路径的最优推荐指数。最后,以北京市工作日早高峰城轨区域线网进行案例分析。结果表明:城轨乘客在突发事件下对诱导信息存在“诱导服从型”“诱导中立型”“诱导无视型”这3类不同接受程度的群体。提供诱导信息后,线网乘客总出行时间减少3.906%,线网客流分布均衡性基尼系数下降4.063%,同时减少了高满载率区间数量。事件结束后,诱导信息的继续发布可降低突发事件受影响区间7.08%的满载率,并避免乘客在刚恢复正常运营区间上的再次聚集。
暂无评论